[发明专利]一种新颖碱基和核苷及其衍生物的NMR氢谱化学位移预测方法

说明书

技术领域

本发明涉及一种NMR氢谱化学位移预测方法，特别是一种新颖碱基和核苷及其衍生物的NMR氢谱化学位移预测方法。

背景技术

碱基和核苷及其衍生物对于构成生物体及维持正常的生物机能至关重要。同时，很多药物也是碱基和核苷及其衍生物分子。目前，对于此类生物分子的结构解析经常采用核磁共振(NMR)实验技术。但是，NMR实验技术费时且费力，因此，人们经常借助计算技术预测化学位移，从而进行化合物的辅助结构解析。

NMR波谱模拟对于帮助科学家迅捷的进行化合物的结构解析具有重要的意义。NMR波谱模拟方法已经有很多报道，大致可以分为3类：1.官能团贡献法；2.数据库检索法；3.数学模型法。最常用方法是通过建立线性数学模型模拟，即建立化学位移与基于原子水平的描述子之间的线性模型。因为化学位移与原子所处的化学微环境及其自身状态有密切的关系，因此所建的模型要能够较好的表征原子所处的化学微环境及自身状态与化学位移之间的关系，同时，模型还要具有稳健的预测能力。

发明内容

有鉴于此，为了解决上述问题，本发明提供一种新颖碱基和核苷及其衍生物的NMR氢谱化学位移预测方法，能够用于碱基和核苷及其衍生物的NMR氢谱化学位移预测，为碱基和核苷及其衍生物分子的结构解析提供方法借鉴。

本发明的目的是这样实现的：一种新颖碱基和核苷及其衍生物的NMR氢谱化学位移预测方法，包括如下步骤：

a)从分子二维拓扑结构出发，根据原子之间相互作用方式和自身所处状态得到用于描述原子所处分子微观化学环境和杂化状态的原子电性作用矢量和原子杂化状态指数；

b)应用原子电性作用矢量和原子杂化状态指数对碱基、核苷及其衍生物的结构进行表征；

c)用多元线性回归技术建立NMR氢谱化学位移预测模型，并采用留一法和留分子法交互校验评价模型的稳定性和预测能力。

进一步，在于步骤a)具体包括如下步骤：

a1)将分子中的原子按元素周期表主族分类，得到按主族分类的5类不同原子电性对目标原子按距离6次方递减的作用项；

a2)定义原子的相对电负性和相对键长，进而计算原子电性作用矢量；

a3)原子固有状态进行修正，得到原子杂化状态指数，用于表征原子自身的杂化类型。

进一步，步骤b)具体包括：应用原子电性作用矢量和原子杂化状态指数对碱基、核苷及其衍生物的结构进行表征；

进一步，步骤c)具体包括如下步骤：利用多元线性回归技术建立NMR氢谱化学位移预测模型，并采用留一法和留分子法交互校验评价模型的稳定性和预测能力。

本发明的一种新颖碱基和核苷及其衍生物的NMR氢谱化学位移预测方法，因为建立数学模型的关键是如何选择合适的描述子来合理的表征分子结构，本发明提出的原子电性作用矢量和原子杂化状态指数表征能力强、易于解释、拓展性能好、使用操作方便；采用多元线性回归技术所建NMR氢谱化学位移预测模型可以较好的体现分子内部化学环境和原子状态与化学位移之间的关系，模型稳健、简单且具有较高的预测能力。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书，权利要求书，以及附图中所特别指出的结构来实现和获得。

具体实施方式

以下对采用本发明的方法用于碱基和核苷及其衍生物的NMR氢谱化学位移预测为例进行详细的描述，包括以下步骤：

a)从分子二维拓扑结构出发，根据原子之间相互作用方式和自身所处状态得到用于描述原子所处分子微观化学环境和杂化状态的原子电性作用矢量和原子杂化状态指数；